Nghiên cứu
PackLab: Khung toàn diện để phát triển, huấn luyện và đánh giá MLLM trong xếp hàng hóa bằng robot
(giờ Việt Nam)
Tóm tắt AI
PackLab là khung làm việc mới giúp tối ưu hóa khả năng ra quyết định tuần tự của các mô hình MLLM trong tác vụ xếp hàng hóa bằng robot, thông qua nền tảng mô phỏng vật lý và bộ công cụ đánh giá chuyên sâu.
Chính văn · Bản dịch AI
Tóm tắt: Việc xếp hàng vào thùng bằng robot đòi hỏi khả năng ra quyết định tuần tự dài hạn, vì mỗi vị trí đặt vật thể đều ảnh hưởng đến không gian khả dụng cho các lần xếp tiếp theo. Các phương pháp hiện có chủ yếu dựa vào các thuật toán hình học thủ công nhằm tối ưu hóa các mục tiêu định sẵn hoặc các chính sách học tăng cường được đúc kết qua quá trình thử sai trên các cấu hình huấn luyện cố định. Mặc dù gần đây đã có những tiến bộ trong các mô hình ngôn ngữ lớn đa phương thức (MLLM) cho tác vụ này, tiềm năng của chúng trong việc ra quyết định tuần tự vòng lặp kín trên các cấu hình đóng gói không đồng nhất vẫn chưa được khai thác triệt để. Để giải quyết khoảng trống này, chúng tôi giới thiệu PackLab, một khung làm việc toàn diện để phát triển, huấn luyện và đánh giá các MLLM cho tác vụ xếp hàng vào thùng bằng robot theo vòng lặp kín. PackLab-Suite cung cấp một nền tảng mô phỏng dựa trên vật lý để tạo ra các quỹ đạo đóng gói huấn luyện đa dạng có khả năng mở rộng và đánh giá kết quả vật lý của chúng. PackLab-VLM là một MLLM chuyên biệt về đóng gói, có khả năng hiểu trạng thái thay đổi của vật thể và thùng chứa để cùng lúc lựa chọn vật thể và dự đoán vị trí đặt theo cách vòng lặp kín. PackLab-Bench cung cấp các kịch bản đóng gói tiêu chuẩn hóa ở nhiều cấp độ khó khác nhau để đánh giá một cách hệ thống. Các thí nghiệm mở rộng cho thấy, trung bình PackLab-VLM vượt trội hơn các thuật toán đóng gói thông thường, các phương pháp học tăng cường truyền thống và các MLLM đa năng trên nhiều tập hợp vật thể và cấu hình thùng chứa khác nhau, làm nổi bật tiềm năng của MLLM đối với tác vụ đóng gói bằng robot dài hạn. Mã nguồn, mô hình, tập dữ liệu và bộ tiêu chuẩn đánh giá hiện có tại đường dẫn này.
| Bình luận: | Mã nguồn, mô hình, tập dữ liệu và bộ tiêu chuẩn đánh giá hiện có tại đường dẫn này. |
| Chủ đề: | Robot học (cs.RO) |
| Trích dẫn là: | arXiv:2609.23784 [cs.RO] |
| (hoặc arXiv:2609.23784v1 [cs.RO] cho phiên bản này) | |
| https://doi.org/10.48550/arXiv.2609.23784 DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký) |
Lịch sử gửi bài
Từ: Donghao Zhou [xem email] [v1] Chủ nhật, 20 tháng 9 năm 2026 18:09:25 UTC (3.456 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.